《智能时代》——大数据与智能革命

jian.jpg

前言

最近刚读完吴军老师的《智能时代》，从《数学之美》到《浪潮之巅》再到现在的《智能时代》，不得不说吴军老师的书总能引人入胜。不管是专业理论还是科普知识，吴军老师都能站在历史的角度去看待问题，而且经常会有大量的例子，这本《智能时代》更是娓娓道出大数据和机器智能的发展以及将会如何改变我们的生活，引发下一次革命的到来。下面是我对该书读完后的一些梳理和感想。

2%的人将控制未来，成为他们或被淘汰。 ---《智能时代》

数据——人类建造文明的基石

如果我们把资本和机械动能作为大航海时代以来全球近代化的推动力的话，那么数据将成为下一次技术革命的核心动力。

今天大数据被人们大力追捧，是因为我们能够从中获得前所未有的价值，各行各业都可以利用大数据来发掘潜在价值，帮助其更好的盈利。但人类其实从很久以前就开始利用数据，分析和获取数据背后的信息和价值，只不过以前的数据没有现在如此之多，而且获取数据也很不方便。这里举一个书中简单的例子来说明数据是如何为人类所利用的。（更多的例子可以参见书本）

早在埃及法老们开始修建金字塔的几千年之前，闪米特人和当地的土著就在尼罗河畔辛勤耕耘了。由于尼罗河每年都会发洪水，为了准确预测洪水到来和退去的时间，当时的埃及人开始观察天象，并在观察数据的基础上开创了天文学。从上述例子可以看出，数据在人类发展中所产生的巨大作用。

大数据和机器智能

在有大数据之前，计算机并不擅长于解决需要人类智能的问题，但是今天这些问题换个思路就可以解决了，其核心就是变智能问题为数据问题。由此，全世界开始了新的一轮技术革命——智能革命

今天人工智能在很多方面已经取得了令人瞩目的成绩，很大程度上了是在相关领域积累了大量的数据，另一方面也是得益于计算能力的提升，使得这些数据被很好的使用起来。

回顾人工智能的发展历程，最初都是采用规则驱动的方法，很多学者认为，要想让机器拥有人类智能，就必须要向人脑一样思考问题，就像以前要想造出飞机，就模仿鸟是怎么飞的。然而，采用基于规则的方法效果并不理想，很多情况都不能完全覆盖到，很多人认为目前的方法无法让计算机真正拥有人的智能。因此，在很长的一段时间里，人工智能在学术界的研究都处于低谷。

直到大数据的出现，人类开始尝试从另一条道路发展，即采用数据驱动的方法。要想做到语音识别，就需要有大量的文本数据，要想做图片识别，就要收集上百万张图片给计算机去学习。这些数据在以前很难获得，但是今天随着互联网的发展，很多数据都得以共享和组织起来。事实证明，这种看似简单暴力的数据驱动的方法在今天取得了巨大的成绩，从很大程度上来看，这其实也是一个由量变到质变的过程。

其实大数据之所以能让人工智能取得明显的效果，除了最明显的特征数据量大之外，大数据还具有其他的特征。一些数据专家将其特征概况成3个V，即大量（Vast）、多样性（Variety）和及时性（Velocity）。其实还有很重要的就是大数据的完备性，正是因为有了这个特性，我们才得以使用穷举法这在以前看起来很笨的方法覆盖到所有情况。

大数据与商业

在未来我们可以看到，大数据和机器智能的工具就如同水和电这样的资源，由专门的公司提供给全社会使用。

在未来，大数据提供给企业和相关组织的价值是巨大的。比如，很多商店通过收集顾客在过去时间段内的购买行为数据，就可以知道用户的喜好，甚至可以预测用户的年龄，家庭情况等。通过这样有针对性的推荐产品，能够使零售行业利润得到极大的增长。再比如，通过收集过去某个城市的交通出行数据以及每条道路情况，就可以对未来几小时内哪段道路拥堵做出预测，从而更好的规划交通出行。

在历史上，一项技术带动整个社会变革的事情也曾经发生过，它们通常遵循一个模式，即：新技术+原有产业=新产业。从第一次工业革命蒸汽机的发明，使得很多传统产业得到了改造或产生了一些新产业，即遵循：现有产业+蒸汽机=新产业的模式。到第二次工业革命，电的应用改变了世界，也催生了看似很多新的产业，即：现有产业+电=新产业。今后，由大数据引发的智能革命也将是以一种与前面几次技术革命类似的方式展开，可以概括为：现有产业+大数据=新产业  现有产业+机器智能=新产业

在2015年，“互联网+”是一个热门词，不过用“+互联网”似乎更合适。类似地，对于大数据的应用，也可以把它概况成“+大数据”。确实，很多传统行业在运用了大数据后，其商业模式发生了改变，利润也都得到了巨大的提升。

总结

或许，就像这本书中所说的，大数据和机器智能的出现正在逐渐改变社会的方方面面，在未来也极有可能像前几次技术革命那样颠覆我们的生活和认知方式，很多行业也可能会被淘汰。
我们要做的不是将其拒之门外，而是要发展它、使用它。任何一次技术革命，最初收益的都是发展它、使用它的人，而不是远离它、拒绝接受它的人，就像书中开头所说，争当那2%的人。

---

感谢您的阅读！